AI+多组学：医疗革命的新希望 自1971年美国《国家癌症法》到2016年的“攻克癌症登月计划”，人类与癌症的斗争从未停止，但至今仍未取得全面胜利。近年来，AI与多组学结合的科研突破为精准医疗注入了新活力。这次，我们是否真的站在了医疗革命的门槛上？ 为什么需要多组学？ 人类基因组计划曾被视为...

5月8日，《柳叶刀-数字医疗》期刊发表一项研究称，美国麻省总医院团队利用AI分析癌症患者面部照片，预测其生物年龄。研究表明，‘看起来更年轻’的患者治疗效果普遍更好。生物年龄与健康状况紧密相关，能反映治疗耐受力。研究开发的FaceAge工具基于5.6万张60岁以上人脸照片训练，发现癌症患者平均‘外貌年龄’比实际年龄大五岁。例如，69岁的Toni Feather因‘显年轻’可能具备更强恢复力。FaceAge不仅关注皱纹等明显特征，还检测太阳穴凹陷及嘴角折痕等隐性变化。研究者希望将其商业化并申请专利，但目前该工具存在肤色偏见及外界因素干扰等问题尚未解决。

浙江大学研发的病理AI助手OmniPT，能在1-3秒内精准锁定癌症病灶，比传统方法大幅提高诊断效率。该技术由宋明黎教授团队与浙江大学附属第一医院合作开发，已在浙大一院病理科多个高发癌症类型中进行临床验证。传统病理分析需医生花费10多分钟观察切片，易导致视觉疲劳，影响诊断准确性。OmniPT的高效性在于处理庞大的病理图像数据，显著提升了癌症诊断的速度和精确度。

近日，哈佛医学院等机构的科学家开发了一款名为CHIEF（Clinical Histopathology Imaging Evaluation Foundation）的AI癌症诊断模型，该模型于9月4日发表在《Nature》杂志上。CHIEF能够执行多种任务，包括检测癌细胞、分析肿瘤基因特征、预测患者生存率及识别肿瘤微环境。经过大量图像训练，CHIEF在癌症检测中达到96%的准确率，优于现有AI方法。此外，CHIEF能预测与治疗反应相关的基因和DNA模式，总体准确率超过70%，在预测患者生存率方面也表现出色。研究团队强调，CHIEF的灵活性使其能在不同临床环境中使用，有望成为高效、准确的癌症评估工具。

【精准"算病"，AI检测癌症，准确率高达94%】 哈佛医学院研究团队及其合作者提出了一种名为CHIEF的AI模型，旨在通过分析病理成像特征，实现对癌症的高效诊断。该模型在11种癌症类型的15个数据集上，达到93.97%的准确率，显著优于现有AI方法。在5个独立活检数据集中，准确率更高达96%，尤其在...

AI在蛋白质设计上的新突破，为癌症与痴呆症研究带来希望 神经退行性疾病和中风、痴呆症等神经系统疾病是全球公共卫生的重大挑战，影响着大量人口的生活质量与健康。深入理解蛋白质的结构与功能，有望为这些疾病的防治提供关键线索。 自20世纪50年代以来，科学家们对蛋白质折叠问题的探索从未停止。然而，直到Alp...

美国旧金山格拉德斯通研究所的科学家利用AI探索癌症治疗新途径，迪帕克·斯里瓦斯塔博士团队通过机器学习分析数百万实验数据，使患者免疫细胞能识别并针对性杀死癌细胞。他们旨在区分驱动癌症的基因错误，加速科研进程，以期缩短从发现到临床试验的时间，从而早日改变患者生活。波拉德博士，既是研究者又是癌症患者家属，强调紧迫性。这项突破性工作或将显著缩短癌症治疗研发周期。

澳大利亚国立大学、美国国家癌症研究所和Pangea Biomed制药公司联手研发的AI模型"DeepPT"近日登上了《自然·癌症》杂志。这款创新科技能协助医生为癌症患者精准挑选最佳治疗方案，提升个性化医疗，具有高度时效性，为癌症诊疗带来新突破。这一科研成果有望加速全球癌症治疗的进步。

哈佛医学院的研究团队开发出一款名为PathChat的AI聊天机器人，应用于人类病理学，其在Nature杂志上发表的研究显示，这款AI在近90%的情况下能准确识别肿瘤，超越现有AI模型如GPT-4V。PathChat不仅识别能力强，还能与用户互动，为病理诊断提供新工具。研究团队通过1亿多细胞图像预训练和多模态学习，使得PathChat在病理学图像分析上取得突破，准确率在提供临床背景后提升至89.5%。尽管如此，PathChat仍需面对如何处理无效查询和保持医学知识更新等挑战，未来可能进一步增强功能以适应临床实践。

6月1日，阿里巴巴在联合国AI for Good全球峰会上与世卫组织（WHO）数字健康合作中心达成战略合作，计划在全球推广其达摩院AI癌症筛查技术。该技术在国内已为600万多人提供服务，涵盖多种癌症筛查，并于去年11月发布了PANDA胰腺癌检测模型。今年2月，达摩院医疗AI已在丽水和景宁两家医院开展公益试点。这一合作将助力全球医疗资源不均衡地区分享AI医疗的前沿成果。